hku-mars/GS-SDF

What it solves

GS-SDF 解決了在 3D 場景映射中同時實現照片級寫實渲染與高粒度表面重建的挑戰。它透過整合 LiDAR 數據來解決標準 Gaussian Splatting 中常見的幾何不一致性問題，確保重建的表面是符合物理基礎且幾何學上的一致性。

How it works

該系統結合了 Gaussian Splatting 與神經符號距離場 (SDF)。它使用精確的 LiDAR 點雲來訓練一個神經 SDF，這會提供一個流形幾何場。接著，這個 SDF 會引導 Gaussian 原始單元 (SDF-based Gaussian initialization) 的初始化，並在訓練過程中提供幾何正則化，以確保最終的渲染結果與場景的物理幾何結構一致。

Who it’s for

此專案為致力於 3D 重建、SLAM (Simultaneous Localization and Mapping) 與機器人感知領域的研究人員與開發者而設計，特別是那些使用 LiDAR-visual 系統的使用者。

Highlights

• LiDAR-Visual Synergy: LiDAR 與 Gaussian Splatting 的協同作用：結合了 LiDAR 在幾何結構方面的強項與 Gaussian Splatting 在照片級寫實外觀方面的強項。
• SDF-Guided Initialization: SDF 引導的初始化：使用神經 SDF 將 Gaussian 原始單元放置在符合物理基礎的地理位置。
• Headless Rendering: 無頭渲染：支援對著隨機攝像機路徑進行批次 fly-through 渲染，以便進行評估與比較。
• Multi-camera Support: 多攝像機支持：相容於多攝像機數據集與 Colmap-format 數據。